numpy.unique()函数怎么使用
这篇文章主要介绍了numpy.unique()函数怎么使用的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇numpy.unique()函数怎么使用文章都会有所收获，下面我们一起来看看吧。
numpy.unique() 函数接受一个数组，去除其中重复元素，并按元素由小到大返回一个新的无元素重复的元组或者列表。
1. 参数说明
numpy.unique(ar, return_index=False, return_inverse=False, return_counts=False, axis=None, *, equal_nan=True)
ar：输入数组，除非设定了下面介绍的axis参数，否则输入数组均会被自动扁平化成一个一维数组。
return_index：(可选参数，布尔类型)，如果为True则结果会同时返回被提取元素在原始数组中的索引值(index)。
return_inverse：(可选参数，布尔类型)，如果为True则结果会同时返回元素位于原始数组的索引值(index)。
return_counts：(可选参数，布尔类型)，如果为True则结果会同时每个元素在原始数组中出现的次数。
axis：计算唯一性时的轴
返回值：返回一个排好序列的独一无二的数组。
2. 示例
2.1. 一维数组
np.unique([1, 1, 2, 2, 3, 3]) a = np.array([[1, 1], [2, 3]])
结果
array([1, 2, 3])
2.2. 二维数组
a = np.array([[1, 0, 0], [1, 0, 0], [2, 3, 4]]) np.unique(a, axis=0)
结果
array([[1, 0, 0], [2, 3, 4]])
2.3. 返回索引
a = np.array(['a', 'b', 'b', 'c', 'a']) u, indices = np.unique(a, return_index=True)
结果
array([0, 1, 3])
array(['a', 'b', 'c'], dtype='<U1')
2.4. 重建输入矩阵
a = np.array([1, 2, 6, 4, 2, 3, 2]) u, indices = np.unique(a, return_inverse=True) u[indices]
结果
array([1, 2, 3, 4, 6])
array([0, 1, 4, 3, 1, 2, 1])
array([1, 2, 6, 4, 2, 3, 2])
示例：尝试用参数 return_counts 解决一个小问题。
# coding: utf-8
import numpy as np
# 任务: 统计 a 中元素个数, 找出出现次数最多的元素
a = np.array([1, 1, 1, 3, 3, 2, 2, 2, 2, 4, 5, 5])
# numpy.unique() 测试
b = np.unique(a)
print(b)
# 使用 return_counts=True 统计元素重复次数
b, count = np.unique(a, return_counts=True)
print(b, count)
# 使用 zip 将元素和其对应次数打包成一个个元组, 返回元组的列表
zipped = zip(b, count)
# for i, counts in zipped:
# print("%d: %d" % (i, counts)) # 这里打印zipped出来,
# # 下面 max()会报
# # ValueError: max() arg is an empty sequence
# # 不知道为什么 >_<
# 使用 max() 函数找出出现次数最多的元素
target = max(zipped, key=lambda x: x[1])
print(target)关于“numpy.unique()函数怎么使用”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“numpy.unique()函数怎么使用”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注蜗牛博客行业资讯频道。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：niceseo99@gmail.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
评论